本报告利用美国2004-2016年信用评分与选举数据，实证发现信用获取的不确定性使选民倾向于支持更保守的共和党候选人。通过构造信用额度跳跃显著的信用评分阈值，发现边缘选民比例每增加10个百分点，共和党得票率提升2.7个百分点，民主党则下降2.6个百分点。同时，在信用不确定性较高地区当选候选人政治立场更趋保守，尤其是民主党候选人，表明信用访问不仅带来经济影响，也通过文化渠道推动政治保守主义的抬头，对社会流动与身份政治具有深远影响 [page::0][page::8][page::24][page::25][page::30]
本报告围绕基于Ornstein-Uhlenbeck过程的Kalman滤波器在资产价格预测中的应用展开，深入分析了参数递归估计方法及其在苹果股票数据上的表现，提出了基于该模型的日内交易策略，并通过回测体系优化模型信心水平与回溯期参数。此外，报告使用矩方法对Heston模型参数进行估计，评估其对真实股价的拟合效果，指出矩方法估计效果不佳，建议未来探索最大似然估计法以提升模型性能 [page::2][page::4][page::8][page::12][page::18][page::26].
本报告基于美国2.2百万个体的信用数据，研究局部房价上涨对租户流动性、消费及信贷行为的影响。研究发现，搬迁者在房价上涨后消费显著增加，购房和购车比例提升，而留守者的消费无显著变化。此现象符合空间均衡模型预期，表明租房者的生活水平整体未因房价上涨而下降，反映了工资调整和居住选择的异质性效应 [page::0][page::1][page::2][page::16][page::17][page::18]。
本报告提出一种新型条件自回归预期短缺估计方法CAESar，基于无分布假设的CAViaR模型拓展，联合估计VaR和ES，包含异方差效应并加以单调性约束，有效解决交叉分位数问题。通过广泛仿真和10个股指的实证检验，CAESar在多项ES回测和预测性能指标中优于现有模型，尤其在尾部风险极端水平下表现突出，展现出强大的风险管理实用价值 [page::0][page::3][page::19][page::22][page::25][page::28]。
报告以欧洲隐私法律对生成式AI模型的监管为背景，重点评估2023年3月27日至4月11日期间意大利封禁ChatGPT事件的影响。通过利用隐马尔可夫模型与Poisson过程对意大利HTTP无效请求数据进行分析，发现封禁期间请求数量明显下降，七状态模型能够较好解释该变化，体现出欧盟监管政策对用户互联网访问的显著限制效应 [page::0][page::2][page::10]。
本报告提出了COGARCH和Barndorff-Nielsen Shephard (BNS) 两类连续时间波动率模型的Markov切换推广，允许波动率于状态切换时产生外生跳跃。基于Markov调制的广义Ornstein-Uhlenbeck过程框架，分析了模型的平稳性条件、矩公式及波动率和价格过程的自协方差结构。结果显示，两种模型均继承原模型特性，能够捕捉金融时间序列的基本统计特征，如对数收益无相关性、平方对数收益相关性及重尾行为，且模型具备较好的数学可处理性和灵活性 [page::0][page::1][page::3][page::6][page::9][page::18][page::23].
本报告系统性地设计和分析了流动性提供者面临的无常损失（IL）对冲方法。通过静态（基于欧式期权）及动态（基于模型定价）策略，实现对Uniswap V2和V3 AMM协议下IL的完整刻画和风险管理。报告从IL的定义出发，推导IL保护认购权的支付结构与定价公式，应用Black-Scholes-Merton及对数正态随机波动率模型表达IL保护价值，辅以实际交易标的期权组合的复制策略，为DeFi流动性提供者和做市商提供了理论和实用的对冲与估值框架 [page::0][page::4][page::11][page::15][page::23].
本报告针对Black-Scholes模型下亚式期权隐含波动率的短期扩展进行研究，深入推导出了隐含波动率的次级$O(T)$项修正，并提出具体展开公式。通过Hartman-Watson分布的渐近展开，报告计算了亚式期权价格的次级修正项，基于这些理论构建了带利率影响的隐含波动率近似，并通过数值基准测试验证了改进后模型的高度精确性，对亚式期权定价提供了更精细和高效的解析近似方法。[page::0][page::1][page::2][page::13]
本文提出一种结合专家模型的方法，通过最小化加权Kullback–Leibler散度构造连续时随机过程的barycentre模型，并允许在约束条件下进行模型扭曲，明确给出最优漂移的Radon–Nikodym导数表达式。针对高维问题，提出两种基于深度学习的算法高效逼近优化解，最后在隐含波动率微笑模型的组合中验证了方法的有效性，展现了其在金融风险管理与资产定价中的广泛应用潜力 [page::0][page::1][page::4][page::5][page::7][page::18][page::22][page::26][page::31]
本报告基于量子概率框架构建随机波动率模型，将波动率作为Hilbert空间中的量子态处理，探讨了在不同测量信息获取假设下单位时间演化与非单位时间演化的差异，结合蒙特卡洛模拟和偏微分方程方法分析了价格演化的概率分布特征，重点揭示了保留波动率状态信息的单位演化产生的非高斯分布及其市场含义 [page::0][page::3][page::7][page::9][page::13][page::16].
本报告构建了一个部分可观测的随机控制模型，研究交易台在无法观察客户订单流中毒性（持续的不利方向性）的情况下，如何在内部化和外部化交易之间优化解盘策略。通过滤波技术，将部分观测问题转化为全观测问题，再利用变分法求得唯一最优解。模型涵盖了外部化反馈效应和价格预测信号，实证分析基于机构外汇订单流，揭示订单流驱动的毒性特性可日变，反馈效应显著影响收益表现，且部分可观测策略与全信息策略的表现几乎无差异（回撤小于0.01%）[page::0][page::2][page::3][page::4][page::13][page::18][page::21][page::24].
本文提出了一种结合随机矩阵理论、模块度优化与谱聚类的动态模块化谱算法（DynMSA），旨在基于股票回报相关性检测隐藏市场结构，实现更有效分散风险的资产配置。实证结果显示，DynMSA在不同回溯期间内，聚类内相关性显著高于行业分类基准，且能够识别稳定集群及外生冲击导致的市场状态变化。基于算法构建的投资组合在风险调整收益（如Sortino比率和Sharpe比率）及最大回撤等多项指标上优于均等权重市场组合，特别是在中短期相关回溯窗口效果更佳，凸显其在风险管理和投资组合构建中的实用价值。[page::0][page::12][page::13][page::14][page::23][page::24]
本报告提出多种计算高效的算法用于求解具有连续动作的离散时间无限期单智能体及多智能体动态模型。重点改进了常用的值函数迭代（VFI）和策略迭代（PI）算法，引入Krylov迭代法加速PI步骤，并提出新的VF-PGI-Spectral算法，显著减少了计算成本，尤其在多智能体动态博弈中表现突出。利用相对值函数与加速的固定点迭代方法，进一步提升了收敛效率。数值实验（如表1与表2所示）验证了各改进方法的优越性能和适用性，为动态模型数值解法提供了实用的工具和理论支持[page::0][page::1][page::2][page::24][page::25][page::51].
本报告研究基于人工智能算法的两边市场中的价格串通，重点分析了使用Q-learning算法的AI代理如何在考虑网络外部性时实现默契串通。实验显示，AI驱动的平台比传统伯特兰竞争展示出更高的串通水平，正的网络外部性显著加强串通，而用户异质性和较高的外部选项效用通常削弱串通；折现率对串通水平的提升作用明显，即使在较低折现率下串通依然可行。为抑制算法串通，提出通过惩罚项调整Q-learning奖励的政策建议 [page::0][page::1][page::7][page::8][page::11][page::14][page::21][page::22]
本文提出连续时间模型下的二阶Esscher变换，定义并刻画了线性类和指数类二阶Esscher密度，通过利用半鞅特征，对一维跳跃扩散模型中的定价上下界进行了分析，发现这些上下界可用带约束的线性BSDE统一刻画，拓展了BSDE约束条件的应用边界，并证明了包含有界支付的理赔条件下该约束BSDE存在解的充分性 [page::0][page::1][page::4][page::20][page::22][page::27][page::30]。
本报告针对高维因子模型中资产回报协方差矩阵的估计问题，聚焦于假设资产形成若干组别的情形，提出了一种基于残差序列聚类并结合线性收缩的区块对角形特异性协方差估计方法。通过对比多种阈值法和聚类法估计器，结果显示本文方法在模拟和历史市场数据中优于现有方法，其聚类框架不仅提高了估计的稀疏性和正定性，还显著提升了资产组合风险表现，验证了分组结构对特异性协方差估计的重要性[page::0][page::1][page::5][page::9][page::15][page::18]
本报告提出了一种结合图神经网络（GNN）与卷积神经网络（CNN）的混合模型GraphCNNPred，用于基于多元特征数据预测美国主要股指的短期趋势。通过构建相关性图，对股市特征信息进行节点间消息传递，并结合卷积层提取时间序列特征，模型在S&P 500、NASDAQ、DJI、NYSE和RUSSEL五大指数上实现了较基线方法4%至15%的F-measure提升，交易策略模拟表现Sharpe比率超过3，展现了较强的预测和实盘应用潜力[page::0][page::2][page::4][page::6][page::8].
本报告研究了机器学习模型在中国季度实际GDP增长率预测中的应用，结合多种机器学习、经济计量及专家预测模型，发现机器学习模型在经济稳定期预测误差明显低于传统经济计量模型，且非线性模型表现尤为突出。针对经济拐点，专家预测因包含更多实时宏观信息优于机器学习模型。报告还运用可解释机器学习方法识别关键驱动变量，深化对模型预测贡献及经济波动机制的理解，为提升宏观经济预测精度提供新路径 [page::0][page::1][page::12][page::13][page::14][page::15][page::17][page::20][page::32]
本报告利用PredictIt平台的逐分钟概率数据，深入分析2020年美国总统选举期间金融市场的即时反应，揭示选举结果概率与美元指数、股指期货、债券收益率和市场波动率等多类资产价格高度相关。研究表明市场表现出明显的风险偏好切换及对选举不确定性的定价，同时细分总统、参议院及三方统一的不同影响，对债券市场尤为敏感。该分析填补了选举实时性信息与金融市场联动的研究空白 [page::0][page::2][page::3][page::4][page::6][page::8]。
本报告基于1998-2010年美国银行业银行-县级数据，构建了存贷失衡指数，系统测量存款与贷款的地理分布不平衡现象，并通过结构性多市场银行竞争模型实证分析了支行网络、规模经济与地方市场势力对此失衡的贡献。关键发现包括：银行通过分支网络实现资金跨地区流动，但更倾向于向富裕地区提供信贷；存贷之间的规模经济增强地方“本土偏好”，抑制资金跨区域流动；地方市场势力限制信贷流动，对贫困偏远县影响更明显；影子银行在信贷供给中发挥重要角色，特别是大城市市场。政策模拟表明，取消跨州分行网络、消除规模经济等均显著影响信贷流向和社会剩余。研究为理解银行资金地理流动与信贷可得性提供了理论与实证框架 [page::0][page::1][page::2][page::4][page::6][page::12][page::15][page::30][page::34][page::42]。
